|
钻瓜专利网为您找到相关结果 28个,建议您 升级VIP下载更多相关专利
- [发明专利]基于深度学习的图像处理方法及装置-CN202310857288.3在审
-
陈畅新;李展铿
-
有米科技股份有限公司
-
2023-07-12
-
2023-10-13
-
G06V10/74
- 本发明公开了一种基于深度学习的图像处理方法及装置,该方法包括:将待处理图像集合中的每个待处理图像输入到图像处理模型中,得到每个待处理图像对应的哈希值,并根据每个待比较图像对应的哈希值,对于每个待比较图像,计算该待比较图像与所有待比较图像中除该待比较图像外的每个剩余待比较图像之间的相似度表征值,且当待比较图像间的目标相似度表征值大于预设相似度阈值时,确定目标相似度表征值对应的待比较图像满足预设的相似度条件。可见,实施本发明能够结合图像的哈希值确定图像的相似度表征值,提高图像间的相似度表征值对于图像差异的表征精准性,能够提高确定图像是否相似的准确性和可靠性,进而能够提高图像去重的准确性和可靠性。
- 基于深度学习图像处理方法装置
- [发明专利]一种图标匹配方法及装置-CN202310049817.7有效
-
陈畅新;李展铿
-
有米科技股份有限公司
-
2023-02-01
-
2023-07-21
-
G06V10/75
- 本发明公开了一种图标匹配方法及装置,方法包括:将目标图像输入至训练收敛的图标检测模型中,得到目标图标检测结果;将目标图标检测结果及预先确定出的应用图标图像分别输入至训练收敛的特征点提取器中,得到特征点提取结果;根据特征点提取结果,确定目标图标检测结果与应用图标图像所对应的图标匹配结果。可见,本发明能够采用训练收敛的目标检测模型及训练收敛的特征点提取器,得到目标图像对应的图标特征点提取结果,进一步确定出目标图像与应用图标图像对应的图标匹配结果,提高确定出的图标检测结果及特征点提取结果的准确性和确定效率,进而提高确定出的图标匹配结果的准确性和确定效率,从而提高目标图像的图标匹配准确性和匹配效率。
- 一种图标匹配方法装置
- [发明专利]图像特征的智能提取方法及装置-CN202211701613.9有效
-
陈畅新;李展铿
-
有米科技股份有限公司
-
2022-12-29
-
2023-04-07
-
G06V10/44
- 本发明公开了一种图像特征的智能提取方法及装置,该方法包括:根据确定出的用于训练的目标训练图像集合,训练预设的待训练特征提取模型,得到训练后特征提取模型;判断训练后特征提取模型是否收敛,若是,则将训练后特征提取模型确定为目标特征提取模型。可见,实施本发明能够基于训练出的目标特征提取模型来提取待处理图像的全局特征,相较于传统的局部特征提取,提取出的全局特征更具备有区分性的卷积特征,使得即使图像特征图的尺寸逐渐下降,特征图的边缘等相关细节也能够得以保留,有利于可靠、精确以及有效地提取图像特征,进而有利于提高后续图像分类任务的精确度,从而有利于提高对图像数据的识别、归类及检索等操作的可靠性及准确性。
- 图像特征智能提取方法装置
- [发明专利]图文匹配模型的训练方法及装置-CN202211219395.5有效
-
陈畅新;李展铿
-
有米科技股份有限公司
-
2022-10-08
-
2023-03-24
-
G06F16/33
- 本发明公开了一种图文匹配模型的训练方法及装置,该方法包括:获取用于图文匹配模型训练的训练数据集,训练数据集中包括多个文本数据和多个图像数据,将每个文本数据和每个图像数据分别输入至目标文本模型以及目标图像模型中得到文本编码向量和图像编码向量,并确定初始训练用图文数据组,将所有初始训练用图文数据组输入至预先设定的初始图文匹配模型,得到初始训练数据输出结果,基于初始训练数据输出结果,确定初始图文匹配模型的初始损失信息,若初始损失信息满足训练完成条件,则将初始图文匹配模型确定为目标图文匹配模型。可见,实施本发明能够提高图文匹配模型训练的效率,还能够基于图文匹配模型实现图文互搜以及多模态数据分类。
- 图文匹配模型训练方法装置
- [发明专利]图文语义对齐模型训练方法及装置-CN202211118758.6有效
-
陈畅新;李展铿
-
有米科技股份有限公司
-
2022-09-15
-
2022-12-16
-
G06V10/774
- 本发明公开了一种图文语义对齐模型训练方法及装置,该方法包括:根据若干个原始图像,获取细粒度样本数据集;对所有所述细粒度训练样本组中的所述子图像进行数据增强,获得对应于每个所述子图像的增强子图像;根据所有所述细粒度训练样本组及所有所述细粒度训练样本组中的子图像对应的增强子图像,训练获得细粒度图文语义对齐模型。通过原始图像建立关于各前景目标的细粒度样本数据集,并通过对样本数据集中的前景图像进行数据增强,与原始的细粒度样本数据集结合,获得了与各个前景目标所对称的文本标签,由此训练获得了收敛的细粒度图文语义对齐模型,避免了图文语义不对称的问题,并提升了以图搜文和以文搜图等图文匹配应用场景下的准确度。
- 图文语义对齐模型训练方法装置
- [发明专利]基于中心损失的文本层级分类方法及装置-CN202210545241.9在审
-
钟艺豪;李展铿
-
有米科技股份有限公司
-
2022-05-19
-
2022-09-02
-
G06F16/35
- 本发明公开了一种基于中心损失的文本层级分类方法及装置,该方法包括:确定欲分类的目标处理文本;将所述目标处理文本输入至训练好的层级分类神经网络模型,以输出得到所述目标处理文本对应的多个相互之间存在层级关系的类别;所述层级分类神经网络模型在训练中采用中心损失函数进行优化直至所述中心损失函数最小化;所述中心损失函数的值用于表征训练文本的文本向量与任一对应的训练输出类别的中心表征向量之间的训练向量距离。可见,本发明能够利用基于中心损失函数训练得到的层级分类算法模型对文本进行层级分类,以实现对文本的多层级分类,从而能够提高文本分类的精度和效率,有助于后续利用分类后的文本进行进一步的智能算法处理。
- 基于中心损失文本层级分类方法装置
|